MATLAB et Simulink pour l'exploitation minière

Les métallurgistes et ingénieurs procédés utilisent MATLAB® et Simulink® pour optimiser le débit, minimiser les périodes d'arrêt et améliorer la sécurité. Ils analysent les données de capteurs en temps réel, modélisent et simulent les opérations d'exploitation, implémentent des stratégies de contrôle et s'appuient sur des systèmes d'intelligence artificielle.

MATLAB et Simulink aident les ingénieurs de l'industrie minière à :

  • Développer des systèmes de maintenance prédictive en appliquant des techniques numériques à des données de capteurs haute fréquence
  • Utiliser le machine learning avec des données historiques afin de résoudre les problèmes de procédés
  • Utiliser la modélisation et la simulation d'équipements et d'installations pour améliorer les performances des procédés
  • Coopérer avec les data scientists et le personnel informatique pour s’adapter à la digitalisation
  • Utiliser un jumeau numérique pour poursuivre l'exploitation du site lorsque les capteurs sont en panne

« MATLAB nous a permis de convertir des données auparavant non lisibles dans un format exploitable, d'automatiser les étapes de filtrage, d'analyse spectrale et d'application de transformées pour plusieurs camions et régions, et enfin d'appliquer des techniques de machine learning en temps réel afin de prévoir le moment idéal pour effectuer les opérations de maintenance. »

Gulshan Singh, Baker Hughes

Exploration

Extraction

Optimiser les actifs avec la maintenance prédictive et le traitement du signal

MATLAB peut vous aider à développer des algorithmes de maintenance prédictive personnalisés en fonction du profil architectural et opérationnel de votre équipement. Utilisez Predictive Maintenance Toolbox™ pour concevoir des indicateurs d'état et estimer la durée de vie utile restante de votre équipement rotatif.

Utilisez Signal Processing Toolbox™ pour automatiser la surveillance des performances de vos boucles de contrôle, déterminer à distance l'étendue de la corrosion et des piqûres sur vos pipelines, ou encore détecter la position géographique et l'ampleur des fuites.

Découvrez comment Baker Hughes a utilisé MATLAB pour implémenter une plateforme de maintenance prédictive destinée aux équipements d'extraction de gaz et de pétrole et réduire ses coûts globaux de 30 à 40 %.

Traitement des données

Machine Learning, Deep Learning et Big Data

Les applications interactives de Statistics and Machine Learning Toolbox™ vous permettent d'appliquer des techniques de machine learning sans être un expert en science des données. MATLAB offre également un environnement haute performance unique pour manipuler des big data et développer des modèles de deep learning, ce qui vous permet d’accélérer les opérations de diagnostic et de détection de défaillances et d’optimiser la surveillance de vos procédés.

Découvrez comment les ingénieurs de Ruukki ont réduit leur temps d'analyse de plusieurs jours à moins d'une minute grâce à l'intégration de diverses bases de données et à l'utilisation du Machine Learning pour optimiser leurs processus.

Simuler des données de panne

Traditionnellement, les ingénieurs optimisent leurs procédés et leurs sites miniers en fonction des données collectées par les capteurs. Cependant, ces données de capteurs ne sont pas toujours disponibles pour les différents modes de panne que peuvent rencontrer les machines. Pour y remédier, vous pouvez utiliser des données simulées pour représenter ces pannes en créant un modèle de votre machine et en simulant ces conditions de panne.

 

Simulink et Simscape™ vous permettent de créer un modèle de votre machine qui peut simuler le comportement de votre machine en termes de dynamique et de composants physiques. Vous pouvez représenter différents modes de panne de votre machine en modifiant les valeurs des paramètres, en intégrant des erreurs et en changeant la dynamique du modèle.

 

 

Améliorer les procédés avec la modélisation des données

Utilisez les outils MATLAB pour l’analyse multivariée afin d'identifier les variables indépendantes qui affectent le plus la performance des procédé. System Identification Toolbox™ vous permet de créer et d'utiliser des modèles de systèmes dynamiques difficiles à modéliser, à partir de premiers principes ou de premières spécifications. Cette toolbox vous permet également d’estimer interactivement les paramètres et les états en ligne.

Regarder comment Shell utilise MATLAB (3:35) pour développer des modèles et exécuter des tâches d'optimisation temps réel sur un procédé de production.

Développer et déployer des stratégies de contrôle des procédés

Les produits MATLAB pour le contrôle permettent de concevoir des schémas de contrôle et d'effectuer des simulations dynamiques pour obtenir une analyse plus précise du comportement du système. Validez votre design avec des tests Hardware-in-the-Loop (HIL) et du prototypage rapide.

Découvrez comment Tata Steel a réalisé une économie énergétique de 40 % sur ses tours de refroidissement industrielles en optimisant sa stratégie de contrôle avec un jumeau numérique.

Chaînes logistiques

Simplifier la planification des activités

Améliorez l'efficacité en production et la planification grâce à la simulation à événements discrets. Avec SimEvents™, vous pouvez étudier les effets de la synchronisation des tâches et de l'utilisation des ressources dans le cadre d’un procédé de production continu. Utilisez MATLAB et Simulink pour mener des activités de recherche opérationnelle permettant de prendre des décisions liées à la prévision, la planification des capacités et la gestion de la chaîne logistique.

Découvrez comment GE Transportation a développé un système d'assistance à la conduite pour les locomotives en utilisant MATLAB.

Transformation numérique

Digitalisation

MathWorks peut vous aider à adopter et à implémenter des stratégies big data conformes aux besoins de votre entreprise. Vous pouvez utiliser les toolboxes et les architectures de référence prédéfinies de MATLAB pour simplifier un large éventail d'applications : intégration avec les systèmes informatiques de l'entreprise, avec le cloud et les infrastructures de données de production, mise à l'échelle de vos calculs sur des clusters ou encore déploiement de vos modèles sous forme d'applications pouvant être partagées avec des utilisateurs ne disposant pas de MATLAB. Découvrez comment utiliser MATLAB dans le cloud.

En savoir plus sur la façon dont vous pouvez directement vous connecter aux systèmes OSIsoft PI.

Regarder comment Shell opte pour la digitalisation (29:14) avec MATLAB Production Server™. Les ingénieurs de Shell ont automatisé leurs procédés pour intégrer des données issues de plusieurs sources, construire des modèles et déployer leurs analyses dans le cloud et leurs systèmes d'entreprise.

« MATLAB nous a permis, en tant que géologues, d'utiliser notre expertise dans des environnements prédictifs et des analyses pour implémenter des algorithmes propres à notre secteur. Avec l'aide des consultants MathWorks, nous avons mis ces algorithmes à la disposition de nos collègues du monde entier sous la forme d'une application simple d'utilisation. »

Nick Howes, Shell

Dites-nous quels sont vos besoins.

Contactez-nous pour une évaluation personnalisée et obtenez un devis correspondant à vos besoins.